Saya sudah memikirkan bagaimana sebagian besar diskusi tentang AI sepertinya mengikuti pola yang sama.
Setiap beberapa bulan, model baru muncul, tolok ukur meningkat, dan pembicaraan beralih ke apa yang bisa dilakukan AI selanjutnya. Asumsinya adalah bahwa kemampuan adalah batasan. Jika kecerdasan terus meningkat, semuanya pada akhirnya akan teratasi.
Yang mencolok bagi saya adalah bahwa kecerdasan dan kepercayaan tidak tampak berkembang dengan cara yang sama.
Sebuah model dapat meningkat melalui lebih banyak data, lebih banyak komputasi, dan pelatihan yang lebih baik. Kepercayaan menjadi lebih rumit seiring sistem semakin besar. Lebih banyak pengguna menciptakan lebih banyak interaksi. Lebih banyak interaksi menciptakan lebih banyak keputusan. Dan pada akhirnya, tantangan bergeser dari menghasilkan output menjadi memahami apakah output tersebut sebenarnya dapat diverifikasi.
Mungkin itu adalah titik buta.
Kita menghabiskan banyak waktu untuk mengukur kecerdasan, tetapi jauh lebih sedikit waktu untuk memikirkan bagaimana jaringan besar berkoordinasi di sekitarnya. Bukan dari sudut pandang kinerja, tetapi dari sudut pandang kepercayaan.
Di sinilah OpenGradient menjadi menarik.
Bukan karena ia membangun infrastruktur AI, tetapi karena ia tampaknya sedang mengeksplorasi pertanyaan yang lebih dalam: apa yang terjadi ketika kecerdasan menjadi terbuka, terdistribusi, dan dapat diverifikasi alih-alih sekadar lebih mampu?
Seiring sistem AI semakin terintegrasi ke dalam lebih banyak proses ekonomi dan sosial, hambatan nyata mungkin bukan kecerdasan itu sendiri.
Mungkin itu adalah kepercayaan dalam proses di baliknya.
Saya belum yakin ke mana itu akan mengarah, tetapi rasanya semakin sulit untuk diabaikan.
#opg $OPG @OpenGradient
$NVDAB $MUB
#OPG🔥🔥🔥
Setiap beberapa bulan, model baru muncul, tolok ukur meningkat, dan pembicaraan beralih ke apa yang bisa dilakukan AI selanjutnya. Asumsinya adalah bahwa kemampuan adalah batasan. Jika kecerdasan terus meningkat, semuanya pada akhirnya akan teratasi.
Yang mencolok bagi saya adalah bahwa kecerdasan dan kepercayaan tidak tampak berkembang dengan cara yang sama.
Sebuah model dapat meningkat melalui lebih banyak data, lebih banyak komputasi, dan pelatihan yang lebih baik. Kepercayaan menjadi lebih rumit seiring sistem semakin besar. Lebih banyak pengguna menciptakan lebih banyak interaksi. Lebih banyak interaksi menciptakan lebih banyak keputusan. Dan pada akhirnya, tantangan bergeser dari menghasilkan output menjadi memahami apakah output tersebut sebenarnya dapat diverifikasi.
Mungkin itu adalah titik buta.
Kita menghabiskan banyak waktu untuk mengukur kecerdasan, tetapi jauh lebih sedikit waktu untuk memikirkan bagaimana jaringan besar berkoordinasi di sekitarnya. Bukan dari sudut pandang kinerja, tetapi dari sudut pandang kepercayaan.
Di sinilah OpenGradient menjadi menarik.
Bukan karena ia membangun infrastruktur AI, tetapi karena ia tampaknya sedang mengeksplorasi pertanyaan yang lebih dalam: apa yang terjadi ketika kecerdasan menjadi terbuka, terdistribusi, dan dapat diverifikasi alih-alih sekadar lebih mampu?
Seiring sistem AI semakin terintegrasi ke dalam lebih banyak proses ekonomi dan sosial, hambatan nyata mungkin bukan kecerdasan itu sendiri.
Mungkin itu adalah kepercayaan dalam proses di baliknya.
Saya belum yakin ke mana itu akan mengarah, tetapi rasanya semakin sulit untuk diabaikan.
#opg $OPG @OpenGradient
$NVDAB $MUB
#OPG🔥🔥🔥
